XiaoMi-AI文件搜索系统
World File Search System现场监测
LMD-p 和 WAAM 过程的现场监测和闭环控制。
• 实施监控以表征熔池的热稳定性和几何稳定性、熔珠的形态以及零件内的热梯度和制造过程中零件的变形。 • 优化测量数据的处理：将数据压缩为可靠、有效的残留状态指标（局部热稳定性、熔池形态稳定性、层高或焊道形状的稳定性）；减少数据处理时间；合并来自不同来源的数据；研究闭环数据使用中的不确定性的传播。 • 根据不同标准对解决方案的效率进行评估：精度（准确度、保真度）、空间分辨率、采集和处理时间与在线使用的兼容性、残余状态指标对过程偏差的敏感性、实施的简易性。
Enhance Energy Inc. Clive Leduc 现场监测、测量和验证计划。2019 年
尽管已尽合理努力确保本文档中包含的信息在印刷时准确无误，但 Enhance 对错误或遗漏不承担任何责任。对本文档中信息的更改和更正可能会纳入本文档的未来版本中。除非 Enhance 以书面形式明确同意，否则本文档中包含的信息不附带任何明示、法定或暗示的陈述、保证或条件，所有这些均在此予以否认，并且 Enhance 或其各自的许可方不对因使用或依赖本文档而引起的任何损害或责任负责。Enhance 不对 Enhance 向阿尔伯塔省提供的本文档原始版本的任何修改、添加或删除负责，除非此类修改、添加或删除是由 Enhance 执行的。
通过椭圆偏振光谱法现场监测 Sb 离子注入单晶 Ge 过程中的无序和空腔演变
Tivadar Lohner 1 、Attila Németh 2 、Zsolt Zolnai 1 、Benjamin Kalas 1 、Alekszej Romanenko 1 、Nguyen Quoc Khánh 1 、Edit Szilágyi 2 、Endre Kótai 2 、Emil Agócs 1 、Zsolt Tóth 3 、Judit Budai 4,5 、Péter Petrik 1,* 、Miklós Fried 1,6 、István Bársony 1 和 † József Gyulai 1
激光粉末床熔合增材制造过程中 Ti6Al4V 粉末氧化影响的现场监测
要使激光粉末床熔合 (L-PBF) 增材制造工艺可持续，需要有效的粉末回收。在 L-PBF 中回收 Ti6Al4V 粉末会导致粉末氧化，然而，这种对 L-PBF 过程中激光-物质相互作用、过程和缺陷动力学的影响尚不清楚。这项研究使用原位高速同步加速器 X 射线成像揭示并量化了在多层薄壁 L-PBF 过程中处理低 (0.12 wt%) 和高 (0.40 wt%) 氧含量 Ti6Al4V 粉末的影响。我们的结果表明，高氧含量的 Ti6Al4V 粉末可以减少熔体喷出、表面粗糙度和制造部件中的缺陷数量。随着部件中氧含量的增加，由于固溶体强化，显微硬度会增加，并且微观结构没有明显的变化。
电力电子模块中绝缘栅双极晶体管的热评估和现场监测：预印本
绝缘栅双极晶体管 (IGBT) 电源模块是常用于切换高电压和电流的设备。使用和环境条件可能会导致这些电源模块随着时间的推移而性能下降，而这一渐进过程最终可能导致设备发生灾难性故障。这一性能下降过程可能会导致一些与电源模块健康状况相关的早期性能症状，从而可以检测出 IGBT 模块的可靠性下降。测试可用于加速这一过程，从而可以快速确定是否可以表征设备可靠性的特定下降。在本研究中，同时对多个电源模块进行热循环，以评估热循环对电源模块性能下降的影响。使用高温热电偶从每个电源模块内部进行现场温度监测。执行设备成像和特性分析以及温度数据分析，以评估电源模块内的故障模式和机制。虽然实验旨在评估热循环对芯片连接的潜在损坏影响，但结果表明引线键合性能下降是限制寿命的故障机制。
通过智能实验室一体化系统推进食品现场监测，以整鸡中沙门氏菌的检测为例
随着食品生产从传统的从农场到餐桌的方式转向高效的多步骤供应链，食品污染的发生率有所增加。因此，尽管缺乏实时能力且需要集中设施，但通过低效的基于培养的方法进行的病原体检测有所增加。虽然原位病原体检测可以解决这些限制并实现单个产品监控，但事实证明，在未经加工的包装食品中无需用户操作即可进行准确检测。本文介绍了“包装实验室”，这是一个无需干预即可在封闭的食品包装内采样、浓缩和检测目标病原体的平台。该系统由新设计的包装托盘和注入试剂的膜组成，可与各种病原体传感器通用配对。倾斜的食品包装托盘可最大限度地将液体定位到传感界面上，而膜则充当试剂固定基质和传感器的防污屏障。该平台使用新发现的沙门氏菌反应性核酸探针进行验证，该探针可以免提检测包装整鸡中 10 3 个菌落形成单位 (CFU) g − 1 个目标病原体。当工具和表面引入污染时，该平台仍然有效，确保广泛有效。使用具有智能手机连接的手持式荧光扫描仪模拟其在现场检测的实际用途。
推荐引用 推荐引用 唐建安，“深度学习引导的材料微观结构预测及其在先进制造中的应用”
1.1 工艺-微观结构关系 ...................................................................... 1 1.2 基于物理的建模 ...................................................................... 4 1.3 微观结构预测中的机器学习 ...................................................... 6 1.4 生成对抗网络 ...................................................................... 8 1.5 激光烧结 ...................................................................................... 9 1.6 基于激光的先进制造中的现场监测
硕士论文提案（AM 中的 AI）- UAB KaU 2020
背景和目标 激光粉末床熔合 (LPBF) 被广泛认为是金属合金增材制造 (AM) 领域最有前途的制造工艺之一。AM 提供的设计自由度和复杂性是独一无二的，并且非常有益，尤其是对于工具应用而言。由于创新的 AM 设计解决方案，现在可以大大缩短工艺周期并提高零件质量。尽管有上述好处，但在大型复杂的制造任务中，LPBF 工艺容易出现缺陷和工艺稳定性相关问题。此类故障一旦发生，会严重影响所生产材料的质量和工艺的整体前景。因此，利用可监控工艺及其偏差的手段非常重要。如今，提供 LPBF 工艺现场监测功能的系统已在商业上存在，尽管其在后处理能力和数据评估方面的成熟度仍然有限。本研究的目的是研究并可能开发一个基于机器学习 (ML) 算法的框架，该框架可以对为 LPBF 工艺开发的现场监测系统生成的原始数据进行后处理。感兴趣的监测系统主要是光学断层扫描 (OT) 和熔池 (MP) 分析。这项工作的重点是识别和实施基于图像分析的学习模型，该模型可以关联来自监测系统的输入，以便记录和聚类潜在的材料和工艺异常。